Семинар наставника "Финансовые технологии и анализ данных"

Магистратура 2025/2026

Статус: Курс обязательный (Финансовые технологии и анализ данных)

Кто читает: Базовая кафедра ПАО Сбербанк «Финансовые технологии и анализ данных»

Где читается: Факультет компьютерных наук

Когда читается: 1-й курс, 1-4 модуль

Охват аудитории: для своего кампуса

Язык: русский

Кредиты: 6

Контактные часы: 80

Дополнительные материалы в LMS Задать вопрос

Аннотация

Дисциплина преподается с целью ознакомления слушателей с подходами к решению бизнес-задач в крупных финансовых организациях с применением методов математического моделирования и анализа данных, приобретения навыков постановки прикладных исследовательских задач, проектирования систем машинного обучения, оценки модельных рисков, управления командой ML-специалистов и презентации реализованных решений перед заказчиками. Основной задачей семинара авторы видят не только изучение различных алгоритмов машинного обучения и подходов к максимизации метрики качества, но и развитие способности критически подходить к выбору этих алгоритмов и метрик для конкретных бизнес задач, а также умения видеть ограничения популярных моделей. По итогу слушатели научатся выбирать подходящий алгоритм, выявляющий причинно-следственные связи между явлениями (если это необходимо), организовывать команду для решения конкретной задачи и презентовать результаты своей работы.

Цель освоения дисциплины

Цель освоения дисциплины - анализ научных и практических тенденций в области финансовых технологий
Формирование у студентов комплекса теоретических знаний и методологических основ в области технологий обработки, хранения, преобразования и визуализации данных. В ходе курса рассматриваются все этапы обработки данных: появление данных в OLTP-системах, их транспорт в OLAP-хранилище, сохранение в сырой слой, нормализация в детальный слой, построение аналитических витрин и отчетов, автоматизация процессов, мониторинг здоровья кластера и системы в целом
Формирование знаний, умений и навыков проектирования систем машинного обучения, выбора оптимального алгоритма решения поставленной бизнес-задачи и метода оценки его с учётом имеющихся ограничений. Формирование навыков управления командой специалистов с использованием гибких методологий разработки.

Планируемые результаты обучения

Владение общими навыки проектирования структуры хранилищ данных
Владение навыками работы с реляционными БД, MPP, DFS-хранилищами
Умение строить ETL-процессы, осуществлять потоковую и батчевую обработку данных
Умение строить end-to-end архитектуру хранилища данных, администрировать и поддерживать стабильную работу различных программных комплексов
Умение строить BI-системы и системы операционного мониторинга
Формирует задания для исследования новых рынков, следит за ходом исследований и принимает их результаты
Проводит поиск и анализ наиболее актуальных академических и прикладных исследований в области финансовых технологий
Понимание основных областей применения Data Science

Содержание учебной дисциплины

Data Science в приложениях
Портфельное риск-моделирование
Ключевые направления исследований в области финансовых технологий
Постановка исследовательских задач
Разбор практических кейсов в области финансовых технологий
Введение в Data Engineering. Устройство современного дата-пайплайна.
Файловые хранилища. S3-like хранилища. Hadoop-экосистема.
Устройство и основы работы с Apache Spark.
Data Warehousing. Современные архитектуры организации хранилищ данных: Data Vault, Anchor Model, hNhM.
Очереди и работа с потоками данных: Apache Kafka, Spark Streaming
MPP СУБД: Greenplum, Vertica, Clickhouse. Особенности устройства и организации вычислений
Планы запросов. Учимся читать планы запросов на реляционных СУБД и MPP
ETL / ELT. Правила проектирования ETL-процессов
Использование данных. BI-системы
Новые вызовы в DE

Элементы контроля

Домашнее задание 1
Домашнее задание 2
Домашнее задание 3
Домашнее задание 4
Посещаемость
Зимний опрос
Летний опрос
Итоговый тест

Промежуточная аттестация

2025/2026 4th module
0.1 * Зимний опрос + 0.3 * Итоговый тест + 0.1 * Летний опрос + 0.5 * Посещаемость
2026/2027 3rd module
0.25 * Домашнее задание 1 + 0.25 * Домашнее задание 2 + 0.25 * Домашнее задание 3 + 0.25 * Домашнее задание 4

Список литературы

Авторы

Яковлева Илона Александровна

Программа дисциплины